Yapay zeka su harcıyor mu?

Yapay zeka uygulamalarının çalıştığı veri merkezleri, ürettikleri yüksek ısı nedeniyle yoğun soğutma ihtiyacı duyuyor. Bu ihtiyaç, son dönemde özellikle su tüketimi üzerinden tartışılıyor. Yapay zeka donanımlarının ürettiği ısının dengelenebilmesi için büyük oranda su bazlı soğutma sistemleri devreye alınıyor.

BTK Veri Merkezi Mühendisi İbrahim Geylan, yapay zekadan önce veri merkezlerinin daha sınırlı işlem gücü gerektiren sistemlere hizmet verdiğini söylüyor. Web siteleri, veri tabanları ve bulut çözümleri için kurulan bu merkezlerde klasik soğutma yöntemleri yeterli olurken, yapay zekayla birlikte donanım yoğunluğunun ciddi biçimde arttığını vurguluyor.

Bu dönüşümü Geylan şu sözlerle aktarıyor:

"Ancak hayatımıza yapay zekanın girmesiyle birlikte donanım ihtiyaçlarımız değişti. Çünkü hyperscale veri merkezlerinde yapay zeka/makine öğrenmesi sistemleri, HPC (High Performence Computing) donanımları kullanıldığı için rack kapasiteleri 40-150+ kw seviyelerindedir. Bu da çok yüksek ısıların oluşmasının sebebidir. Bundan dolayı yapay zeka veri merkezlerinde geleneksel havalı soğutma sistemleri yerine evoparatif- adyabatik soğutma sistemleri kullanılır. Bu soğutma sistemleri yüksek miktarda su tüketimi gerçekleştirir."

Soğutmada kullanılan su sıradan değil

Yapay zeka veri merkezlerinde kullanılan soğutma suyunun kalitesi, sistemin verimli çalışması açısından kritik öneme sahip. Bu tesislerde şebeke suyu yerine, neredeyse laboratuvar saflığında arıtılmış su kullanılıyor. Geylan, bunun temel nedeninin donanımlarda kireçlenme ve tıkanma riskini ortadan kaldırmak olduğunu ifade ediyor.

Geylan’a göre, geleneksel hava soğutmalı veri merkezlerinde bile aşırı sıcak dönemlerde ek soğutma çözümleri devreye alınıyor. Bu geçici çözümlerde dahi su, çok aşamalı bir arıtma sürecinden geçiriliyor:

"Hatta kendimizden bir örnek verecek olursak, biz veri merkezi altyapı profesyonelleri, klasik hava soğutmalı veri merkezinde yaz aylarında hava sıcaklıkları arttığı dönemlerde kullanmak üzere dış ünitelere spreyleme sistemi yaparız. Normalde sistemin doğal yapısında yoktur. Ancak sıcaklık artışında bir nefes olması için kullanırız. Bu sistemde kullandığımız tesisat suyu, bag filtreden geçer, arıtma sisteminden geçer ve yumuşatılır, en son olarak da kartuş filtrelerden geçer ve kondansere öyle püskürtülür. Yani diyebilirim ki içtiğimiz sulardan bile daha saf hale gelir. Adyabatik soğutmada ve soğutma kulelerinde bu su çok daha fazla tüketilir."

Buharlaşan su sistemden tamamen çıkıyor

Geylan, yapay zeka veri merkezlerinde kullanılan suyun büyük bir kısmının geri kazanılamadığını söylüyor. Soğutma sırasında buharlaşan su atmosfere karışıyor ve tekrar kullanılabilir kaynaklar arasına dönmüyor.

Bu durumun çevresel etkilerini Geylan şu sözlerle açıklıyor:

"Su buharlaşıp havaya karışıyor. Aslında yok olmuyor faz değiştiriyor, ancak yeryüzünden atmosfere karışmış oluyor. Burada iki tane önemli yan etkiden bahsetmeliyiz. Hem yeryüzündeki temiz kullanım suyunu veri merkezlerinde harcıyoruz ve kaynakları tüketiyoruz hem de bulunduğumuz coğrafyanın ikliminin değişimine sebep oluyoruz. İklim değişikliği bitki örtüsü, toprak yapısı, üretilen mahsul gibi bir çok noktada değişikliğe sebep olmaktadır. Kısacası bir kişinin yapay zekada yapacağı bir görsel oluşturmanın sonucunun nerelere varacağını görmekteyiz."

Geylan, bu nedenle geliştirilen her yeni soğutma teknolojisinin yalnızca verimli değil, aynı zamanda uzun vadede sürdürülebilir olması gerektiğini vurguluyor.

Daha az su tüketen sistemler gündemde

Enerji ve su maliyetlerindeki artış, veri merkezi sektöründe yeni kriterlerin öne çıkmasına neden oluyor. Geylan’a göre artık yalnızca enerji verimliliği değil, suyun ne kadar verimli kullanıldığı da yakından izleniyor.

Bu çerçevede PUE ve WUE değerleri, veri merkezlerinin performansını değerlendirmede temel göstergeler haline gelmiş durumda. Ancak düşük enerji tüketimi hedeflenirken, çoğu zaman su kullanımının arttığı görülüyor. Geylan, bu dengenin sağlanabilmesi için farklı soğutma teknolojileri üzerinde çalışıldığını belirtiyor.

Bu çözümler arasında özellikle daldırma tipi soğutma sistemleri öne çıkıyor:

"Veri merkezi altyapı sistemleriyle ilgilenenler genellikle PUE (Power Usage Effectiveness - Enerji Kullanım Verimliliği) ve WUE (Water Usage Effectiveness - Su Kullanım Verimliliği) ile ilgilenmeye başladı. Düşük PUE maalesef karşımıza yüksek WUE olarak gelmektedir. Burada elektriğin yerine su kullanımıyla soğutma yapmak daha kolay ve daha maliyeti düşük olduğundan tercih ediliyor. Günümüzde deniz suyunun burada nasıl kullanılabileceği noktasında araştırmalar ve tartışmalar var. Özellikle yüksek kw değerlerine sahip veri merkezleri için geliştirilen "İmmersion Cooling" (Daldırma tipi soğutma sistemleri) sistemler bu sıralar çok göz önünde. IT cihazlar doğrudan dielektrik bir sıvının içine daldırılır ve çipler üzerinden ısı transferi gerçekleşir. Burada dielektrik sıvı kapalı bir çevrim gerçekleştirdiği için tekrar kullanılır. Hem elektrik enerjisi noktasında hem de su kullanımında bu sistemler çok tasarruflu görünüyor. Halen geliştirilen bu sistem ile dünyamız kaynak tüketimini biraz da olsa azaltırız."

Yapay zeka veri merkezlerinin su ihtiyacı şehirlerle yarışıyor

Yapay zeka altyapılarının büyümesiyle birlikte su tüketiminin de hızla artması bekleniyor. Geylan, OECD verilerine dayanarak 2027 yılında yapay zeka veri merkezlerinin yıllık 4,2 ila 6,6 milyar metreküp su tüketeceğini ifade ediyor.

Bu rakamın Türkiye’nin toplam yıllık su tüketiminin önemli bir bölümüne karşılık geldiğini belirten Geylan, İstanbul örneğiyle tabloyu netleştiriyor:

"Ekonomik İşbirliği ve Kalkınma Örgütü (OECD), 2027 yılında yapay zeka veri merkezlerinin yılda 4,2-6,6 milyar metreküp su tüketeceğini söylüyor. Bu da yılda 63 milyar metreküp su tüketen bir Türkiye’nin yaklaşık yüzde 10 tüketimine denk geliyor. İstanbul’un yıllık yaklaşık 1,2 milyar metreküp su tükettiğini düşündüğümüzde yapay zeka İstanbul’un 4-5 katı su tüketiyor diyebiliriz. Tabii ki bu su tüketimini sadece soğutma olarak algılamamak lazım, bu tüketilen su sadece soğutma için kullanılan su değildir. Soğutmada kullanılan, elektrik için de kullanılan sudur. Ancak bir veri merkezinin doğrudan ve dolaylı olarak kullandığı su çok fazla."

Her sorgu küçük ama etkisi büyük

Yapay zeka sistemlerine gönderilen her sorgunun ölçülebilir bir su maliyeti bulunuyor. Geylan, farklı hesaplamalar olmakla birlikte ortalama bir sorgunun 0,3–0,4 mililitre su tüketimine denk geldiğini, bunun da yaklaşık beş damla suya karşılık geldiğini söylüyor.

Bu nedenle kullanıcı alışkanlıklarının da önemli olduğunu vurgulayan Geylan, yapay zekanın klasik arama motorlarına kıyasla çok daha fazla kaynak tükettiğini hatırlatıyor:

"Yapay zekada sorgulama yaparken aklımıza bu tüketim gelmeli ve ona göre hareket etmeliyiz. Normal klasik bir Google sorgusuna oranla çok daha fazla tüketimin olduğunu bilmeliyiz. Çünkü web için zaten yüksek kapasiteli veri merkezleri yerine klasik veri merkezleri mevcut. Su soğutma yerine hava soğutma kullanılır ve sıvı kapalı sistemde dolaşır. Ancak yapay zekada işlem yaparken metin sorgulama yerine görsel işlemler yaparak bu oran 5-10 kat fazla olabilir. Çünkü görsel çalışmalarda GPU yoğunluğu daha fazla olacağı için daha fazla işlem aşaması olacaktır. Bundan dolayı eğlence amacıyla yapay zekayı kullanırken bir kez daha düşünmeliyiz. Katma değerli işler haricinde keyfi ve eğlence amaçlı kullanımdan uzak durmak insani bir vazifemizdir. Yapay zeka ile işlem yaparken ekosisteme olan sorumluluğumuz için eğlence amaçlı gereksiz araştırmalardan kaçınmamız gerekli. Yapacağımız işlemlerde ne istediğimizi tam anlamıyla bilmeli ve nokta atışı promptlarla işlemlerimizi gerçekleştirmeliyiz. Yapay zekanın 'merak' giderme yeri değil bir sonuca, karara ve amaca ulaşma platformu olduğunu bilerek kullanmalıyız."

Geylan, yapay zekanın tekil sorular sormak için değil, belirli bir çıktıya ulaşmak amacıyla kullanılması gerektiğini de ekliyor. Bu yaklaşımı şu örnekle açıklıyor:

"Mesela, 'İmmersion Cooling Nedir?' gibi bir soru sormak yerine '80 kW rack gücüne sahip bir yapay zeka veri merkezinde immersion cooling uygulanırsa, PUE, WUE, operasyonel riskler açısından ne değişir?' gibi teknik bir sonuca ulaşacak sorular sorulmalıdır. İstediğimiz görselde neyi amaçladığımızı teker teker net ve detaylı bir şekilde bildirmeliyiz."